使用 validation_split 处理我的形状，为啥？

Posted 2023-02-16

【中文标题】使用 validation_split 处理我的形状，为啥？

【英文标题】：Using validation_split munges my shapes, why?使用 validation_split 处理我的形状，为什么？

【发布时间】：2019-11-25 18:25:02

【问题描述】：

我有一个工作模型，我希望开始使用 validation_split(=~0.1) 进行“即时”验证。当我通过 0.0 以外的 validation_split 时，我得到一个错误。

我一直在调整传递给 fit() 以及传递给 tf.keras.layers.Conv2D() 的 batch_size 值，基本上使其成比例。没有喜悦。

这是我制作模型的方法：

    def make_convnet_model(flags, shape):
        model = tf.keras.models.Sequential(
            [
                tf.keras.layers.Conv2D(32,(8,8), strides=2, activation='relu',input_shape=shape,batch_size=flags.batch_size,name='conv2d_1'),
                tf.keras.layers.Conv2D(24, (4,4), strides=1, activation='relu',name='conv2d_2'),
                tf.keras.layers.MaxPool2D(),
                tf.keras.layers.Conv2D(16, (3, 3), strides=2, activation='sigmoid', input_shape=shape,batch_size=flags.batch_size, name='conv2d_3'),
                tf.keras.layers.Conv2D(8, (3, 3), strides=1, activation='sigmoid', name='conv2d_4'),
                tf.keras.layers.MaxPool2D(),
                tf.keras.layers.Flatten(),
                tf.keras.layers.Dense(64, activation='sigmoid', name='d3'),
                tf.keras.layers.Dense(5, activation='softmax', name='softmax_d4')
            ])

        return model

这就是我如何调用 fit()：

    history = model.fit(x=X, y=Y, batch_size=flags.batch_size, epochs=flags.epochs, callbacks=[tensorboard,logger], verbose=flags.verbosity, validation_split=flags.validation_split)

     Here is my reward. I have taken out some of the spooge:

Namespace(***batch_size=20***, columns=320, csv_path='../csv/', data_path='f:/downloads/aptos2019-blindness-detection/', epochs=2,

gray=False, learning_rate=0.001, loss='mean_squared_error', metric=['accuracy']，model='conv2d'，rows=320， test_path_fragment='test_images/', train_path_fragment='train_images/'，validation_split=0.1， 冗长= 2） 张量流版本：1.14.0

Processed data path:f:/downloads/aptos2019-blindness-detection/train_images/color_320x320/
***Train on 18 samples, validate on 2 samples***
Epoch 1/2
Traceback (most recent call last):
  File "F:/projects/retinas/retina.py", line 212, in <module>
    main(sys.argv)
  File "F:/projects/retinas/retina.py", line 122, in main
    history = model.fit(x=X, y=Y, batch_size=flags.batch_size, epochs=flags.epochs, callbacks=[tensorboard,logger],

verbose=flags.verbosity，validation_split=flags.validation_split) 文件“C:\Users\WascallyWabbit\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\keras\engine\training.py”， 第 780 行，合身 steps_name='steps_per_epoch') 文件“C:\Users\WascallyWabbit\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\keras\engine\training_arrays.py”， 第 363 行，在模型迭代中 batch_outs = f(ins_batch) 文件“C:\Users\WascallyWabbit\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\keras\backend.py”， 第 3292 行，在 调用 run_metadata=self.run_metadata) 文件“C:\Users\WascallyWabbit\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow\python\client\session.py”， 第 1458 行，在 调用 run_metadata_ptr) tensorflow.python.framework.errors_impl.InvalidArgumentError：不兼容的形状：[20,5] 与 [18,5] [[node Adam/gradients/loss/softmax_d4_loss/SquaredDifference_grad/BroadcastGradientArgs]]

【参考方案1】：

问题出在我调用 Conv2D() 时不必要地指定了 batch_size。我现在接受该参数的默认值，并且它正在工作。

不知道为什么。不在乎：-|